嘿，你的手动计算完全正确，而且关于0值的疑问其实可以从熵的核心定义来理清！

核心结论：必须考虑变量中的0值 #

熵的本质是衡量随机变量所有可能取值的不确定性，不管这个取值是0、1还是其他数字，只要它是变量的一个实际出现的取值，就需要纳入概率统计和熵的计算。如果忽略0值，相当于人为剔除了一个可能的结果，计算出的熵会低估变量的真实不确定性。

你的示例计算验证 #

针对你的变量 X = [1 2 2 0]：

1. 统计各取值的出现次数：0出现1次，1出现1次，2出现2次，总样本数为4
2. 计算各取值的概率：
   • p(0) = 1/4，p(1) = 1/4，p(2) = 2/4
3. 代入熵的公式（以2为底的对数，对应二进制熵）：

   H = -( (1/4)*log2(1/4) + (2/4)*log2(2/4) + (1/4)*log2(1/4) ) = 1.5
   

这个结果完全正确，和MATLAB的entropy函数输出一致也验证了这一点（注：MATLAB的entropy默认处理图像，但当你把离散变量按概率分布逻辑输入时，它的计算逻辑和手动推导完全匹配）。

离散变量熵计算的通用步骤 #

• 统计变量所有不同取值的出现频次
• 计算每个取值的概率（频次 / 总样本数）
• 用公式 H = -sum(p_i * log_b(p_i)) 计算，其中b是对数的底（常用2或自然对数），所有非零概率的取值都要纳入求和（包括0这类特殊取值）

内容的提问来源于stack exchange，提问作者user4061624